AutoZero/tools/edit_match.go

package tools

import "strings"

// editMatch 是 old_string 在文件内容里的一个字节区间 [start, end)。
type editMatch struct {
	start int
	end   int
}

// findEditMatches 按三级降级查找 old_string 的出现位置：
//
//  1. 精确匹配：字节完全一致，命中后不再降级；
//  2. 字形归一：把弯引号、破折号、不间断空格等"看起来一样"的字符归一后匹配
//     （模型从网页/文档复制的文本经常带这些字符，精确匹配会失败）；
//  3. 逐行降级：忽略每行行尾空白后再匹配，用来兜住"多了几个空格/少了几个空格"。
//
// 返回的区间始终指向**原文**，调用方据此替换，不会把归一化后的字符写回文件。
func findEditMatches(content, old string) []editMatch {
	if old == "" {
		return nil
	}
	if matches := findExactMatches(content, old); len(matches) > 0 {
		return matches
	}
	if matches := findNormalizedMatches(content, old); len(matches) > 0 {
		return matches
	}
	return findLineMatches(content, old)
}

// findExactMatches 返回不重叠的精确出现位置（已是字节区间）。
func findExactMatches(content, old string) []editMatch {
	var out []editMatch
	offset := 0
	for {
		i := strings.Index(content[offset:], old)
		if i < 0 {
			return out
		}
		start := offset + i
		out = append(out, editMatch{start: start, end: start + len(old)})
		offset = start + len(old)
	}
}

// findNormalizedMatches 在字形归一后的 rune 序列上匹配，再把 rune 下标映射回
// 原始字节区间。归一化是逐 rune 的一对一替换，所以下标可以直接对应。
func findNormalizedMatches(content, old string) []editMatch {
	contentRunes := []rune(content)
	oldRunes := []rune(old)
	if len(oldRunes) == 0 || len(oldRunes) > len(contentRunes) {
		return nil
	}
	prefix := runeByteOffsets(contentRunes)
	var out []editMatch
	for i := 0; i+len(oldRunes) <= len(contentRunes); i++ {
		match := true
		for j := range oldRunes {
			if normalizeEditRune(contentRunes[i+j]) != normalizeEditRune(oldRunes[j]) {
				match = false
				break
			}
		}
		if !match {
			continue
		}
		out = append(out, editMatch{start: prefix[i], end: prefix[i+len(oldRunes)]})
		i += len(oldRunes) - 1
	}
	return out
}

// findLineMatches 逐行比较（忽略行尾空白与字形差异），返回整行窗口的字节区间。
// old 带结尾换行时连同最后一行的换行一起替换；不带时保留原文换行。
func findLineMatches(content, old string) []editMatch {
	trailingNewline := strings.HasSuffix(old, "\n")
	expected := strings.Split(old, "\n")
	if trailingNewline {
		expected = expected[:len(expected)-1]
	}
	if len(expected) == 0 {
		return nil
	}
	lines := splitLines(content)
	var out []editMatch
	for i := 0; i+len(expected) <= len(lines); i++ {
		matched := true
		for j := range expected {
			if normalizeEditLine(lines[i+j].text) != normalizeEditLine(expected[j]) {
				matched = false
				break
			}
		}
		if !matched {
			continue
		}
		last := lines[i+len(expected)-1]
		end := last.end
		if !trailingNewline {
			end = last.contentEnd
		}
		if len(out) > 0 && out[len(out)-1].end > lines[i].start {
			continue // 与上一个命中重叠：同一个位置只算一次
		}
		out = append(out, editMatch{start: lines[i].start, end: end})
		i += len(expected) - 1
	}
	return out
}

type lineSpan struct {
	start      int
	end        int // 含换行
	contentEnd int // 不含 \r\n / \n
	text       string
}

// splitLines 切出每一行及其字节区间。空内容返回空切片；末尾换行不产生空行。
func splitLines(s string) []lineSpan {
	var out []lineSpan
	for start := 0; start < len(s); {
		i := strings.IndexByte(s[start:], '\n')
		if i < 0 {
			contentEnd := len(s)
			if contentEnd > start && s[contentEnd-1] == '\r' {
				contentEnd--
			}
			out = append(out, lineSpan{start: start, end: len(s), contentEnd: contentEnd, text: s[start:contentEnd]})
			break
		}
		end := start + i + 1
		contentEnd := end - 1
		if contentEnd > start && s[contentEnd-1] == '\r' {
			contentEnd--
		}
		out = append(out, lineSpan{start: start, end: end, contentEnd: contentEnd, text: s[start:contentEnd]})
		start = end
	}
	return out
}

// runeByteOffsets 返回每个 rune 起始处的字节偏移，外加末尾哨兵。
func runeByteOffsets(runes []rune) []int {
	out := make([]int, len(runes)+1)
	offset := 0
	for i, r := range runes {
		out[i] = offset
		offset += len(string(r))
	}
	out[len(runes)] = offset
	return out
}

// normalizeEditRune 把视觉上等价、字节上不同的字符归一。
func normalizeEditRune(r rune) rune {
	switch r {
	case '‘', '’', '‚', '‛':
		return '\''
	case '“', '”', '„', '‟':
		return '"'
	case '‐', '‑', '‒', '–', '—', '―', '−', '－':
		return '-'
	case '\u00A0', '\u2002', '\u2003', '\u2004', '\u2005', '\u2006', '\u2007', '\u2008',
		'\u2009', '\u200A', '\u202F', '\u205F', '\u3000':
		return ' '
	}
	return r
}

func normalizeEditLine(line string) string {
	line = strings.TrimRight(line, " \t\r")
	return string([]rune(normalizeEditTextRunes(line)))
}

func normalizeEditTextRunes(s string) []rune {
	out := []rune(s)
	for i := range out {
		out[i] = normalizeEditRune(out[i])
	}
	return out
}

// applyEditMatches 从后往前替换，前面的偏移因此不受影响。
// 替换文本沿用命中区域的换行风格：命中区是 CRLF 而 new 用 LF 时，自动转成 CRLF，
// 避免一次编辑把整个文件的行尾改掉。
func applyEditMatches(content string, matches []editMatch, newText string) string {
	updated := content
	for i := len(matches) - 1; i >= 0; i-- {
		m := matches[i]
		region := content[m.start:m.end]
		replacement := newText
		if strings.Contains(region, "\r\n") && !strings.Contains(replacement, "\r\n") {
			replacement = strings.ReplaceAll(replacement, "\n", "\r\n")
		}
		updated = updated[:m.start] + replacement + updated[m.end:]
	}
	return updated
}